UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE
DEPARTAMENTO DE CIENCIAS EXACTAS
CARRERA TÉCNICA
PRIMER PARCIAL
INFORME N°1:
Análisis de Medidas de Tendencia Central y Dispersión
AUTORES:
Chicaiza Arellano Erick Mateo
Chicaiza Cobos Hanz Héctor
Samaniego Paredes Brath Anthony
Tito Pilataxi Isaac Ariel
Zambrano Salcedo Jhon Bryan
ASIGNATURA:
Estadística NRC-27897
DOCENTE:
Ing. Salazar Escobar Hugo David
FECHA:
01 de mayo del 2026
SANGOLQUÍ – ECUADOR
INFORME DE PRÁCTICA DE LABORATORIO
DEPARTAMENTO: Ciencias Exactas CARRERA: Telecomunicaciones
ASIGNATURA: Estadística NIVEL: Tercero FECHA: 01/05/2026
DOCENTE: Ing. Hugo Salazar PRÁCTICA N°: 1 CALIFICACIÓN:
Análisis de Medidas de Tendencia Central y Dispersión
Anthony Samaniego, Erick Chicaiza, Hanz Chicaiza, Isaac Tito y Jhon Zambrano
RESUMEN
En la presente práctica de laboratorio se realizó la recolección de datos
correspondientes al peso y la altura de 25 estudiantes del NRC 27897 de la Universidad de las
Fuerzas Armadas Espe, con el propósito de aplicar conceptos fundamentales de la estadística
descriptiva. A partir de los datos obtenidos, se procedió al cálculo analítico de las principales
medidas de tendencia central (media, mediana y moda) y medidas de dispersión (varianza y
desviación estándar), con el fin de caracterizar la distribución de los datos. Posteriormente, se
replicaron dichos cálculos mediante el uso del software RStudio, permitiendo validar los
resultados obtenidos analíticamente y evidenciar la utilidad de herramientas computacionales
en el análisis estadístico. Los resultados evidencian coherencia entre ambos métodos,
consolidando el aprendizaje teórico-práctico de los estudiantes.
Palabras Claves: estadística descriptiva, medidas, RStudio.
1. INTRODUCCIÓN:
La estadística descriptiva constituye una herramienta fundamental para el análisis e
interpretación de datos en diversas áreas del conocimiento. Su objetivo principal es resumir,
organizar y presentar información de manera clara, facilitando la comprensión de las
características principales de un conjunto de datos. En este contexto, las medidas de tendencia
central permiten identificar valores representativos de una distribución, mientras que las de
dispersión evalúan el grado de variabilidad de los datos respecto a dichos valores centrales.
En la presente práctica, se trabajó con datos reales recolectados de estudiantes, lo cual
permitió aplicar los conceptos teóricos en un entorno práctico. Además, el uso del software
RStudio permitió automatizar los cálculos y verificar la precisión de los resultados obtenidos
manualmente, fortaleciendo así el análisis estadístico y uso de herramientas tecnológicas.
2. OBJETIVOS
2.1 OBJETIVO GENERAL:
− Aplicar métodos de estadística descriptiva para analizar datos reales de peso y altura de
los estudiantes del NRC 27897 de la Universidad de las Fuerzas Armadas Espe
mediante el cálculo de medidas de tendencia central y dispersión, tanto de forma
analítica como utilizando herramientas computacionales.
2.2 OBJETIVOS ESPECÍFICOS:
− Calcular manualmente las medidas de tendencia central (media, mediana y moda) a
partir de los datos recolectados.
− Determinar las medidas de dispersión (varianza y desviación estándar) para analizar la
variabilidad de los datos.
− Utilizar el software RStudio para validar los resultados obtenidos y comparar la
eficiencia entre métodos manuales y computacionales.
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
3. MARCO TEÓRICO:
La estadística descriptiva es una rama de la estadística que se encarga de recolectar,
organizar, analizar e interpretar datos con el propósito de describir sus características
principales. Esta permite resumir grandes volúmenes de información mediante indicadores
numéricos y representaciones gráficas, facilitando la comprensión de los datos en distintos
contextos académicos y profesionales (Triola, 2018).
A través de la estadística descriptiva se pueden identificar patrones, tendencias y
comportamientos dentro de un conjunto de datos, lo cual resulta fundamental en la toma de
decisiones. Además, constituye la base para estudios más avanzados como la inferencia
estadística (Walpole, 2012).
A continuación, se presenta un cuadro sinóptico que resume la estadística descriptiva:
Estadística
Descriptiva
Organización de Medidas de Medidas de
datos Tendecia Central dispersión
Medidas de tendencia central
Las medidas de tendencia central son valores numéricos que representan el centro o
punto medio de un conjunto de datos. Estas permiten resumir la información en un solo valor
representativo (Spiegel, 2013).
Media aritmética
La media aritmética es el promedio de un conjunto de datos y se calcula sumando todos
los valores y dividiéndolos entre el número total de observaciones. Es ampliamente utilizada
debido a su simplicidad, aunque puede verse afectada por valores extremos o atípicos (Triola,
2018).
Mediana
La mediana corresponde al valor central de un conjunto de datos ordenados de menor a
mayor. En caso de que el número de datos sea par, se obtiene como el promedio de los dos
valores centrales. Esta medida es útil cuando existen valores extremos, ya que no se ve afectada
por ellos (Walpole, 2012).
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Moda
La moda es el valor que se presenta con mayor frecuencia dentro de un conjunto de
datos. Puede existir más de una moda dependiendo de la distribución de los datos, lo que
permite clasificar los conjuntos como unimodales, bimodales o multimodales (Spiegel, 2013).
Medidas de dispersión
Las medidas de dispersión permiten evaluar el grado de variabilidad de los datos
respecto a un valor central. Estas son fundamentales para comprender qué tan homogéneos o
dispersos se encuentran los datos (Triola, 2018).
Varianza
La varianza mide el promedio de las diferencias al cuadrado entre cada dato y la media.
Es una medida que cuantifica la dispersión de los datos en relación con el promedio (Walpole,
2012).
Desviación estándar
La desviación estándar es la raíz cuadrada de la varianza y permite expresar la
dispersión en las mismas unidades de los datos originales, facilitando su interpretación
(Spiegel, 2013).
Otros Conceptos Estadísticos
Población y muestra
La población corresponde al conjunto total de elementos de interés en un estudio,
mientras que la muestra es un subconjunto representativo de dicha población. El análisis de
muestras permite obtener conclusiones sin necesidad de estudiar toda la población (Walpole,
2012).
Figura 1 Población y muestra
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Clasificación de la muestra
El estudio de una variable estadística comienza por medir la variable en los individuos
de la muestra y clasificar los valores obtenidos.
Existen dos formas de clasificar estos:
No agrupados
Ordenar todos los valores obtenidos en la muestra de menor a mayor. Se utiliza con
atributos y variables discretas con pocos valores diferentes.
Agrupados por intervalos
Agrupar los valores en clases (intervalos) y ordenar dichas clases de menor a mayor. Se
utiliza con variables discretas con muchos valores diferentes y con variables continuas.
Frecuencia
La frecuencia indica el número de veces que aparece un valor dentro de un conjunto de
datos. Puede clasificarse en frecuencia absoluta, relativa y acumulada, siendo fundamental para
la construcción de tablas estadísticas (Triola, 2018).
Frecuencias muestrales
Definición (Frecuencias muestrales)
Dada una muestra de tamaño n de una variable X, para cada valor de la variable
observado en la muestra (𝑥𝑖 )
Frecuencia absoluta 𝒏𝒊
Es el número de individuos de la muestra que presentan el valor 𝑥𝑖 .
𝑘
𝑛 = ∑ 𝑛𝑖
𝑖=1
Frecuencia relativa 𝒇𝒊
Es la proporción de individuos de la muestra que presentan el valor 𝑥𝑖 .
𝑘
𝑛𝑖
𝑓𝑖 = , = ∑ 𝑓𝑖 = 1
𝑛
𝑖=1
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Frecuencias muestrales (acumuladas)
Definición (Frecuencias muestrales)
Dada una muestra de tamaño n de una variable X, para cada valor de la variable
observado en la muestra 𝑥𝑖 , se define:
Frecuencia absoluta acumulada 𝑵𝒊
Es el número de individuos de la muestra que presentan un valor menor o igual que 𝑥𝑖 .
𝑁𝑖 = 𝑛1 + 𝑛2 + 𝑛3 + ⋯ + 𝑛𝑖 = ∑ 𝑛𝑗
𝑗=1
Frecuencia relativa acumulada 𝐹𝑖
Es la proporción de individuos de la muestra que presentan un valor menor o igual que 𝑥𝑖 .
𝑖
𝑁𝑖
𝑓𝑖 = , = ∑ 𝑓𝑖
𝑛
𝑗=1
Distribución de datos
La distribución de datos describe cómo se organizan los valores dentro de un conjunto.
Puede ser simétrica, asimétrica o presentar valores atípicos, lo cual influye en la interpretación
de las medidas estadísticas (Spiegel, 2013).
Uso de herramientas tecnológicas
El uso de software estadístico como RStudio permite realizar cálculos de manera rápida
y precisa, además de facilitar la visualización de datos mediante gráficos. Estas herramientas
son ampliamente utilizadas en el ámbito académico y profesional para optimizar el análisis de
información (Triola, 2018).
4. DESARROLLO
Descripción del Procedimiento:
La práctica inició con la recolección de datos de peso y altura de 25 estudiantes
pertenecientes al NRC 27897 de la Universidad de las Fuerza Armadas ESPE. Estos datos
fueron obtenidos directamente en el aula, asegurando su registro ordenado en una tabla.
Posteriormente, se organizó la información en listas y se procedió a ordenar los datos
de menor a mayor para facilitar el cálculo de la mediana y la identificación de la moda.
A continuación, se calcularon manualmente las medidas de tendencia central. La media
se obtuvo sumando todos los valores y dividiendo entre el número total de datos. La mediana
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
se determinó identificando el valor central del conjunto ordenado, y la moda se estableció
observando el valor con mayor frecuencia.
Seguidamente, se calcularon las medidas de dispersión. La varianza se obtuvo mediante
el cálculo de las diferencias entre cada dato y la media, elevando dichas diferencias al cuadrado
y promediándolas. La desviación estándar se determinó como la raíz cuadrada de la varianza.
Finalmente, los mismos datos fueron ingresados en el software RStudio, donde se
utilizaron funciones estadísticas para calcular automáticamente la media, mediana, moda
(mediante funciones adicionales), varianza y desviación estándar. Los resultados obtenidos
fueron comparados con los cálculos manuales, verificando su concordancia.
5. CÁLCULOS TEÓRICOS
ESTATURAS xi - x̄ (xi - x̄)² PESOS xi - x̄ (xi - x̄)²
1 EDGAR ALONSO AISALLA SAAVEDRA 1,7 0,0348 0,0012 65 1,66 2,76
2 JAVIER ALEJANDRO ANRANGO ALOMOTO 1,66 -0,0052 0,0000 47 -16,34 267,00
3 GERALD ASTUDILLO 1,65 -0,0152 0,0002 60 -3,34 11,16
4 MATEO CAMACHO PONCE 1,7 0,0348 0,0012 54 -9,34 87,24
5 NATASHA STEFANIACAMPO VILELA 1,63 -0,0352 0,0012 64 0,66 0,44
6 FERMIN CARVAJAL 1,75 0,0848 0,0072 65 1,66 2,76
7 SEBASTIAN CHARIJ 1,63 -0,0352 0,0012 68 4,66 21,72
8 ERICK MATEO CHICAIZA ARELLANO 1,65 -0,0152 0,0002 65 1,66 2,76
9 HANZ HECTOR CHICAIZA COBOS 1,7 0,0348 0,0012 55 -8,34 69,56
10 DAVID MATEO CORDOVA MOYA 1,75 0,0848 0,0072 71 7,66 58,68
11 VICTORIA NAYELI FARINANGO MAISINCHO 1,56 -0,1052 0,0111 65 1,66 2,76
12 MIGUEL ANGEL FIGUEROA ALVAREZ 1,72 0,0548 0,0030 66 2,66 7,08
13 MELANY GUADALUPE IZA CAIZA 1,56 -0,1052 0,0111 54 -9,34 87,24
14 ALEX JOSUE LOPEZ CRIOLLO 1,73 0,0648 0,0042 72 8,66 75,00
15 KELLY VALESKA MONTALVO PROAÑO 1,69 0,0248 0,0006 68 4,66 21,72
16 MATHIAS PILLAJO 1,7 0,0348 0,0012 72 8,66 75,00
17 JHON RAMIREZ 1,71 0,0448 0,0020 72,5 9,16 83,91
18 ROBERTO SEBASTIANRAMIREZ CHIMARRO 1,63 -0,0352 0,0012 61 -2,34 5,48
19 JACKELIN NICOLE RODRIGUEZ VILLACRES 1,63 -0,0352 0,0012 66 2,66 7,08
20 BRATH ANTHONY SAMANIEGO PAREDES 1,67 0,0048 0,0000 78 14,66 214,92
21 CINTYA NAYELY SIMBAÑA PINTO 1,54 -0,1252 0,0157 53 -10,34 106,92
22 ISAAC TITO 1,61 -0,0552 0,0030 52 -11,34 128,60
23 ISMAEL TRAVEZ 1,81 0,1448 0,0210 76 12,66 160,28
24 ALESSANDRO JAVIERTUQUEREZ VILLACIS 1,62 -0,0452 0,0020 53 -10,34 106,92
25 JHON BRYAN ZAMBRANO SALCEDO 1,74 0,0748 0,0056 61 -2,34 5,48
0,1040 1612,36
Medidas de centralización (Pesos)
∑25
𝑖=1 𝑥𝑖 1583,5
Media aritmética: 𝑥‾ = = = 63,34
25 25
Mediana: 𝑀𝑒 = 𝑥(25+1) = 𝑥13 = 65
2
Datos ordenados:
{47,52,53,53,54,54,55,60,61,61,64,65,65,65,65, 66, 66, 68, 68, 71, 72, 72, 72.5, 76, 78}
Moda: 𝑀𝑜 = 65
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Medidas de centralización (Estaturas)
∑25
𝑖=1 𝑥𝑖 41,63
Media aritmética: 𝑥‾ = = = 1,6652
25 25
Mediana: 𝑀𝑒 = 𝑥(25+1) = 𝑥13 = 1,67
2
Datos ordenados:
{1.54,1.56,1.56,1.61,1.62,1.63,1.63,1.63,1.63,1.65,
1.65,1.66,1.67,1.69,1.70,1.70,1.70,1.70,1.71,1.72,1.73,1.74,1.75,1.75, 1.81}
Moda: 𝑀𝑜 = {1,63,1,70}
Medidas de dispersión (Pesos)
• 𝑛 = 25 estudiantes
• Media de peso: 𝑥‾peso = 63.34 kg
Varianza (𝑠 2 )
∑25 ‾)2
𝑖=1 (𝑥𝑖 − 𝑥
𝑠2 =
25
1612.36
𝑠2 =
25
𝑠2 = 64.49
Desviación Estándar (s)
𝑠 = √𝑠 2
𝑠 = √64.49
𝑠 = 8.03
Medidas de dispersión (Estaturas)
• 𝑛 = 25 estudiantes
• Media de estatura: 𝑥‾est = 1.6652 m
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Varianza (𝑠 2 )
∑25 ‾)2
𝑖=1 (𝑥𝑖 − 𝑥
𝑠2 =
25
0.1040
𝑠2 =
25
2
𝑠 = 0.00416
Desviación Estándar (s)
𝑠 = √𝑠 2
𝑠 = √0.00416
𝑠 = 0.0645
6. ANÁLISIS DE RESULTADOS:
El presente análisis se fundamenta en las medidas de tendencia central y de dispersión
calculadas para la variable de estatura en una muestra de n=25 estudiantes. La estatura media
obtenida es de x = 1.6652, valor que representa el centro de la distribución.
En cuanto a las medidas de dispersión, la varianza muestral calculada es de s^2 =
0.00416 m^2, de la cual se deriva una desviación estándar de s = 0.0645 m. Esta desviación
estándar indica que, en promedio, las estaturas individuales de los estudiantes difieren en
aproximadamente 6.45 cm con respecto a la media aritmética.
La reducida magnitud de la desviación estándar refleja una alta homogeneidad en los
datos recolectados. Al existir una dispersión baja, se concluye que los valores se encuentran
estrechamente concentrados alrededor del valor central de 1.6652 m. Esto evidencia que el
grupo de estudiantes presenta estaturas muy similares entre sí, sin la presencia de valores
atípicos que generen una alta variabilidad. La validación de estos resultados mediante software
estadístico confirma la consistencia de este comportamiento distribucional.
7. CONCLUSIONES:
✓ Se logró calcular correctamente las medidas de tendencia central de forma manual, lo
que permitió comprender en profundidad el procedimiento matemático detrás de cada
una. Este proceso fortaleció la capacidad de análisis y la interpretación de datos,
evidenciando la importancia de cada medida según el tipo de distribución.
✓ El cálculo de la varianza y la desviación estándar permitió analizar la dispersión de los
datos, proporcionando información clave sobre la variabilidad de las mediciones de peso
y altura. Esto permitió identificar qué tan homogéneos o dispersos eran los datos
recolectados, enriqueciendo el análisis estadístico realizado.
✓ Finalmente, el uso de RStudio facilitó la validación de los resultados obtenidos
manualmente, demostrando la eficiencia y precisión de las herramientas
computacionales en el análisis de datos. Además, permitió optimizar el tiempo de
cálculo y reducir posibles errores, resaltando la importancia del uso de software
estadístico en contextos académicos y profesionales.
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1
INFORME DE PRÁCTICA DE LABORATORIO
Referencias Bibliográficas
Spiegel, M. R. (2013). Estadística. McGraw-Hil
Triola, M. F. (2018). Estadística (12.ª ed.). Pearson.
Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2012).
Probabilidad y estadística para ingeniería y ciencias (9.ª ed.). Pearson.
Código de documento: VDC-INF-2024-V2-014 REV.
UPDI:2024-oct-08
Código de proceso: GDOC-ATAD-9-4-1